thennal/msc
收藏Hugging Face2022-12-08 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/thennal/msc
下载链接
链接失效反馈官方服务：
资源简介：
Swathanthra Malayalam Computing Malayalam Speech Corpus（SMC Malayalam Speech Corpus）是一个由Swathanthra Malayalam Computing发布的经过整理的语音样本库。该数据集的第一版包含1541个语音样本，来自75位贡献者，总时长为1小时38分钟16秒。数据集包含482个独特的句子，1400个独特的单词，553个独特的音节和48个独特的音素。数据集的特征包括语音ID、说话者ID、评分、转录文本、类别、说话者性别、说话者年龄和音频文件。数据集主要用于自动语音识别任务。
提供机构：
thennal
原始信息汇总
SMC Malayalam Speech Corpus 数据集概述
基本信息
- 数据集名称： Swathanthra Malayalam Computing Malayalam Speech Corpus
- 数据集别名： SMC Malayalam Speech Corpus
- 语言： 马拉雅拉姆语（ml）
- 许可证： CC-BY-SA-4.0
- 多语言性： 单语种
- 大小类别： 1K<n<10K
- 任务类别： 自动语音识别
数据集特征
- speechid： 字符串类型
- speaker_id： 字符串类型
- review_score： 整数类型
- transcript： 字符串类型
- category： 字符串类型
- speaker_gender： 字符串类型
- speaker_age： 字符串类型
- audio： 音频类型，采样率为48000
数据集拆分
- 训练集（train）：
- 样本数量： 1541
- 数据大小： 581998721.306字节
- 下载大小： 422643542字节
数据集详情
- 版本： 第一版
- 样本来源： 75位贡献者
- 总时长： 1小时38分16秒
- 句子数量： 482个独特句子
- 单词数量： 1400个独特单词
- 音节数量： 553个独特音节
- 音素数量： 48个独特音素
